用lingo求解线性规划，无可行解，matlab的fgoalattain可以解

Question

用lingo求解线性规划，无可行解，matlab的fgoalattain可以解，python也解不出来。

MODEL: SETS: r/1..22/:b; c/1..8/:x; link(r,c):A; ENDSETS x(1)= 191030000; x(2)=167070000 ; x(3)=83100000; x(4)=39730000; x(5)=57780000; x(6)=116640000; x(7)=11018000 ; x(8)=163770000; DATA: A=@ole('C:\A.csv','data'); b=@ole('C:\parameter.csv','params'); ENDDATA @FOR(r(i):@SUM(c(j): A(i,j) * x(j)) <=b(i)); MIN = @SUM(c(j): x(j)); x1 >= 0; x2 >= 0; x3 >= 0; x4 >= 0; x5 >= 0; x6 >= 0; x7 >= 0; x8 >= 0; END

Answer 1

以下内容由AIGC 及 gpt.4o 科技梦想家 共同回答解决方案、有用望采纳：

针对你遇到的线性规划问题，以下是一些步骤和建议，帮助你更好地分析和解决无可行解的情况：

1. 检查约束条件
   确保所有约束之间没有冲突。可以逐一检查约束条件，看看是否可以满足。

2. 数据输入
   确认你的数据（A.csv 和 parameter.csv）是否正确导入。确保数据的维度和内容符合预期。例如：

确保矩阵 A 的行数与向量 b 的长度相匹配。
检查 x 的初始值是否合理，确保在可行域内。
3. 松弛约束
尝试放宽某些约束，查看是否可以得到可行解。这可以通过修改不等式为等式或增加一些容忍度来实现。

1. 使用不同的求解方法
   如果 Lingo 不支持可行解，但 MATLAB 的 fgoalattain 能解，可以尝试以下方法：

目标函数调整：可以尝试在目标函数中加入惩罚项，以引导算法探索更广泛的解空间。
增加变量的上下界：如果有上下界限制，考虑放宽这些限制。
5. 检查变量的初始值
对于求解器，初始值的选择有时会影响结果。尝试设置不同的初始值，看看是否能找到可行解。

1. 代码调整示例
   以下是一个简化的代码示例，展示如何使用 Lingo 进行线性规划。确保与实际问题相匹配：

MODEL:
SETS:
    r /1..22/: b;
    c /1..8/: x;
LINK(r,c): A;
ENDSETS

x(1) = 191030000;
x(2) = 167070000;
x(3) = 83100000;
x(4) = 39730000;
x(5) = 57780000;
x(6) = 116640000;
x(7) = 11018000;
x(8) = 163770000;

DATA:
    A = @OLE('C:\A.csv','data');
    b = @OLE('C:\parameter.csv','params');
ENDATA

@FOR(r(i): @SUM(c(j): A(i,j) * x(j)) <= b(i));

MIN = @SUM(c(j): x(j));

x1 >= 0;
x2 >= 0;
x3 >= 0;
x4 >= 0;
x5 >= 0;
x6 >= 0;
x7 >= 0;
x8 >= 0;

END

通过上述步骤，你应该能够定位无可行解的原因，并尝试解决问题。如果问题仍然存在，可以考虑重新定义模型或寻求其他工具